Unicodetecken

Unicodetecken bezeichnet die im Unicode-Standard definierte Gesamtheit der Zeichen, Symbole und Steuerzeichen, die in Computersystemen zur Repräsentation von Text verwendet werden. Ziel ist eine universelle Zeichendarstellung, die Sprachen, Schriftarten und Plattformen plattformübergreifend miteinander verbindet. Dazu gehören Buchstaben, Ziffern, Interpunktionszeichen, mathematische Symbole sowie Emoji und andere grafische Zeichen.

Der Unicode-Standard wurde in den frühen 1990er Jahren entwickelt, um die Vielzahl lokaler Zeichensätze zu vereinheitlichen. Er koexistiert mit ISO/IEC 10646; beide Standards definieren denselben Zeichenvorrat. Den Zeichen wird jeweils ein Codepunkt zugewiesen, in der Form U+XXXX. Der Zeichenvorrat umfasst mehrere Ebenen; der größte Teil liegt im BMP (U+0000 bis U+FFFF), zusätzlich gibt es weitere Ebenen bis U+10FFFF.

Um Text in Speichersystemen abzubilden, werden verschiedene Codierungen verwendet. Die wichtigsten sind UTF-8 (variabler Byte-Längen-Codierung, kompatibel mit ASCII), UTF-16 (wichtig für viele Plattformen, nutzt 16-Bit-Einheiten und ggf. Surrogate-Paare) und UTF-32 (fest 32 Bit). Zeichen werden durch Sequenzen von Bytes bzw. Code-Einheiten repräsentiert, was Rendering, Sortierung und Datenübertragung beeinflusst.

Fortgeschrittene Aspekte betreffen Grapheme, Normalisierung und Textverarbeitung. Grapheme bilden sichtbare Zeichen aus mehreren Codepunkten; Normalisierung sorgt für äquivalente Darstellungen (NFC, NFD, NFKC, NFKD). Unicode umfasst auch Variations- und Zuweisungszeichen, Hauttöne etc., sowie regionale Varianten und Richtungssteuerungen (Bidirektionalität).

Unicode ist heute Grundlage der meisten modernen Betriebssysteme, Programmiersprachen und Webstandards. Trotz der breiten Unterstützung bleiben Rendering- und Kompatibilitätsprobleme bestehen, insbesondere bei Emoji-Darstellungen, Schriftartenunterschieden und komplexen Texten aus mehreren Skripten.